《反蜂群作战中的分布式决策深度学习方法》最新89页

无人驾驶技术的采用促进了对机器人蜂群系统的多学科研究，尤其是在军事领域。受生物群解决问题能力的启发，这些系统具有从局部互动中产生全局行为的优势，从而减少了对集中控制的依赖。在机器人蜂群中创造突发行为的传统方法要求蜂群具有可预测和可控制的特性，同时具有明确的局部规则和对所有智能体的全面了解。在反蜂群交战中，蜂群系统需要一种全局策略，这种策略应具有鲁棒性并能适应动态环境，同时尽量减少对完整知识的依赖。本研究探讨的是一个反向问题：设计局部规则，以近似于通常基于每个无人机的完整知识和通信的突发行为。目标是创建分散区域，在这些区域中，防御方无人机利用在模拟数据基础上广泛训练的神经网络模型。从涉及三个攻击方和一个防御方的交战中提取的数据被组织成代表不同特征的各种输入集。训练后的回归分析确定了与甲骨文算法相比能生成最佳防御方航向角的特征集。结果表明，神经网络模型比oracle更有效地优化了更短的交战时间，验证了使用经过训练的网络代替传统算法的可行性。